wolfcsharp的博客

原创 Linux设置静态IP

Linux设置静态IP

原创 pytorch 与 python版本对应关系

pytorch python 对应关系

转载 ABB机械臂手眼标定

手眼标定

原创 Kali + GPU wifi攻防

Kali GPU wifi

原创 python 负数除法

python 2中, 遵守僵硬的向下取整策略：-1/5 = -1python 3中：-1/5 = 0

原创 ubuntu查看cuda、cudnn版本

查看cuda 版本cat /usr/local/cuda/version.txt查看cudnn 版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2cuda版本切换rm -rf /usr/local/cuda #删除之前的软连接sudo ln -s /usr/local/cuda-10.0/ /usr/local/cuda/nvcc --version #查看当前nvcc版本cudnn版本切换sudo tar -x

原创 Linux挂载和卸载USB移动存储介质

查看磁盘列表sudo fdisk -l挂载U盘sudo mount /dev/sdc1 /U卸载U盘udisksctl unmount -b /dev/sdc1 //卸载挂载 相当于unmountudisksctl power-off -b /dev/sdc1 //安全关闭驱动器...

原创 Ubuntu服务器创建新用户

Ubuntu服务器创建新用户添加新用户设置新用户密码赋予新用户root权限删除用户添加新用户sudo adduser wzr设置新用户密码sudo passwd wzr赋予新用户root权限sudo vim /etc/sudoers在其中添加：wzr ALL=(ALL) ALL删除用户sudo userdel -r wzr...

原创 Win10下在anaconda虚拟环境中安装python-pcl的方法

参考：https://blog.csdn.net/qq_42672745/article/details/115081673 思路二下载已经编译好的.whl文件，放到anaconda3/envs/env_name××/Scripts/中cd anaconda3/envs/env_name××/Scripts/pip install python_pcl-0.3-cp36-cp36m-win_amd64.whl便可安装成功。2. 解决ImportError: DLL load failed:

转载 常用RGB色谱表

https://blog.csdn.net/weifddx/article/details/9302589

原创 Ubuntu移植conda环境

在原环境中导出环境配置的.yml文件conda env export > HSSPN_environment.yml2.在新机器上安装这个.yml文件对应的环境conda env create -f HSSPN_environment.yml

原创 Ubuntu上传代码到github

在网页版github上创建一个新的repositories在Ubuntu上安装gitsudo apt-get install gitcd到你想要上传的目录,对其初始化git init添加准备上传的文件git add README.md输入修改描述···git commit -m “first commit”输入修改描述···连接远程仓库git remote add origin https://xxxxxxxxxx为你的远程仓库地址将本地文件推到远程仓库git pus

原创 ubuntu在终端执行程序时指定GPU

方法：CUDA_VISIBLE_DEVICES=1 python your_file.py这样在跑你的网络之前，告诉程序只能看到1号GPU，其他的GPU它不可见可用的形式如下：CUDA_VISIBLE_DEVICES=1 Only device 1 will be seenCUDA_VISIBLE_DEVICES=0,1 Devices 0 and 1 will be visibleCUDA_VISIBLE_DEVICES="0,1" Sa

转载 DFT和FFT理解

DFT：https://blog.csdn.net/zhangxz259/article/details/81627341FFT：http://tinycn.blog.sohu.com/42403467.html

原创 PCL获得3D特征点(NARF Harris3D ISS3D SIFT3D)

#pragma warning(disable:4996)#include <iostream>#include <pcl/range_image/range_image.h>#include <pcl/io/io.h>#include <pcl/io/pcd_io.h>#include<pcl/io/ply_io.h>#include <pcl/point_types.h>#include <pcl/visuali

原创 C2079 “pcl::KdTreeFLANN...param_k_”使用未定义的 struct“flann::SearchParams”

原因：opencv与pcl同时加载会出现这个问题，原因可能是opencv中的flann与pcl中的flann冲突。解决办法：将属性->VC++目录–>包含目录，属性->VC++目录–>库目录，链接器->输入->附加依赖项中的与PCL flann有关的内容放在与opencv有关内容的前面即可。...

原创 C3861 “pop_t”:找不到标识符，解决办法

修改打开的dist.h文件，将503行的“typedef unsigned long long pop_t;”移到前面的“#if GNUC”这一行前面就可以了。

原创 C4996问题解决

最开头添加：#pragma warning(disable:4996)

原创 ubuntu查看opencv是否已经装好

pkg-config --modversion opencv

原创 -- ICV: Downloading ippicv_linux_20151201.tgz解决办法

ubuntu下cmake opencv3.1.0源码时出现这个问题。解决办法：在github上手动下载ippicv_linux_20151201.tgz，将其替换替换到opencv-3.1.0/3rdparty/ippicv/downloads/linux-*/文件下的同名文件。重新cmake即可成功。

原创 2020.10.20读 PointNet++： Deep Hierarchical Feature Learning on Point Sets in a Metric Space

PointNet++： Deep Hierarchical Feature Learning on Point Sets ina Metric Space1. 背景信息2.方法2.1 回顾PointNet2.2 层级点集特征学习2.3 在非均匀点采样密度下的鲁棒特征学习2.4 点云分割中的点特征传播3. 读后感1. 背景信息输入数据：原始点云PointNet++ 是PointNet的改进版本， PointNet中实现点云排序不变性是通过提取global feature完成的，显然，这对于局部信息没有

原创 2020.10.15读 Deep hough voting for 3D object detection in point clouds

Deep hough voting for 3D object detection in point clouds1.背景信息2.方法2.1 霍夫投票2.2 VoteNet结构1.背景信息1.输入数据：点云2.解决问题：3D目标检测3.亮点(1) 直接处理裸点云(深度点集网络)(2) 采用霍夫投票，抑制噪声2.方法2.1 霍夫投票1.传统的霍夫投票用于2D图像上目标检测方法：（1）建立image patches(or their features) 与 他们所在中心点之间的offse

原创 2020.10.14重读 PVNet：Pixel-wise Voting Network for 6DoF Pose Estimation

PVNet：Pixel-wise Voting Network for 6DoF Pose Estimation1.背景信息2.方法2.1基于投票的关键点定位2.2不确定性驱动的PnP3.实现细节4.读后感1.背景信息输入单张RGB图像隔壁实验室的成果最大的亮点：（1）证明了两阶段(先求关键点再用PnP求解位姿)比end to end的方法具有优势。直接求解非线性旋转空间，会带来优化上的困难。（2）使用unit vector filed来表示方向特征，这被证明是更利于学习和优化的。这里没有用o

原创 2020.10.13重读 PVN3D：A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation

PVN3D：A Deep Point-wise 3D Keypoints Voting Network for 6DoF Pose Estimation1.背景信息2.方法3. Loss4.实验结果4.1 LineMOD数据集4.2 YCB数据集5. 读后感6. 这篇文章的报告ppt1.背景信息1.输入RGBD图像2.两阶段位姿估计方法： 先找到model和scene中的点的对应关系，然后用LS或者PnP进行位姿解算。作者说end to end的方法，直接回归与旋转有关的量，需要神经网络考虑旋转空间

原创 IMU计算欧拉角及位移的方法

通过加速度计和陀螺仪计算欧拉角MPU6050姿态解算2-欧拉角&旋转矩阵通过加速度计

原创 2020.10.03读 Robust 6D Object Pose Estimation by Learning RGB_D Features

Robust 6D Object Pose Estimation by Learning RGB_D Features1. 背景信息2.方法2.1旋转2.2平移3. 实验3.1评估指标3.2 总体损失函数3.3 消融实验3.4 LINEMOD数据集上的效果3.5 YCB数据集上的效果3.6 在对称物体上的效果对比3.7运行速度4.读后感1. 背景信息输入RGBD图像作者认为他的方法最大的亮点是：**创新性地提出了一个离散连续公式，用来处理对称目标物体的旋转歧义性。**最终的实验结果也确实说明了，本文

原创 2020.10.02重读 YOLOff: You Only Learn Offsets for robust 6DoF object pose estimation

YOLOff: You Only Learn Offsets for robust 6DoF object pose estimation1.背景信息2. 方法2.1 2D Localization2.2 3D points prediction2.3 3D-3D Correspondence alignment3.实验4.读后感1.背景信息输入RGBD图像基于投票方法，基于点对匹配方法最大的创新点在于在scene点云上估计3D关键点的方法，通过神经网络估计patch的3D中心点到3D关键点的向量

原创 2020.09.27读 PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation1.背景信息2.介绍3.方法3.1 点集RnR^{n}Rn的属性3.2 PointNet结构3.3 理论分析4.实验4.1应用4.2结构设计分析4.3 可视化PointNet4.4 时间和空间复杂度分析读后感1.背景信息第一篇处理无序点云的深度学习方法可以灵活应用在点云分类， 点云部分分割以及语义分割上面。点云分类是将点的特征组合起来输入到一个分类器

原创 2020.09.29重读 原2020.08.04读 MoreFusion

MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volumetric Fusion1.背景信息2.方法2.1object-level volumetric fusion2.2Volumetric Pose prediction2.2.1occupancy grids作为周边信息2.2.2位姿预测网络的结构2.2.3训练位姿预测网络2.3基于碰撞的位姿优化2.4 CAD对齐3.实验3.1实验设置3.2位姿预测的评估3.3位姿优化的评

转载 [转发]欧拉角、旋转向量和旋转矩阵的相互转换

欧拉角、旋转向量和旋转矩阵的相互转换https://www.jianshu.com/p/5e130c04a602

原创 2020.08.25报告 Densefusion: 6D Object Pose Estimation by Iterative Dense Fusion

原创 2020.09.24-2020.09.26读 P2GNet:Pose-Guided Point Cloud Generating Networks for 6-DoF Object Pose Esti

P2GNet:Pose-Guided Point Cloud Generating Networks for 6-DoF Object Pose Estimation背景信息方法Point-wise Fusion Network学习目标函数技术实现细节实验结果LineMODYCB读后感背景信息输入RGBD图像基于DenseFusion最大创新点是将model也训练在特征提取网络中，并且用一个点云生成网络来进行监督学习。方法整个网络可以由三部分组成：Point-wise Fusion Net

原创 2020.09.23读MaskedFusion: Mask-based6D object pose estimation

MaskedFusion: Mask-based6D object pose estimation1.背景信息方法网络结构损失函数实验衡量标准结果lineModYCB读后感1.背景信息1.输入数据形式： RGBD图像2.模块化组合框架，每个sub-task都可以用好的模块替换3.个人感觉跟densefusion非常像方法网络结构整个结构分为三个子任务：sub-task1：image segmentation通过语义分割对scene中每个对象检测和分类—>二进制masksub-tas

原创 2020.09.22读 PointVoteNet：accurate object detection and 6 DoF pose estimation in point clouds

PointVoteNet：accurate object detection and 6 DoF pose estimation in point clouds1.背景信息2.方法2.1推理阶段2.1.1对model点云的处理2.1.2对scene点云的预处理2.1.3通过分割进行点的关联2.1.4通过关联信息进行6DoF位姿估计2.1.5多模态定位损失2.2训练阶段2.2.1数据准备2.2.2平移不变的正例2.2.3简单和困难的反例2.2.4增强2.2.5对称处理3.实验结果1.背景信息输入数据形式

原创 工业机器人四点法标定TCP原理

原创 Ubuntu16.04安装pytorch方法

Ubuntu16.04 Anaconda3安装pytorch方法准备工作安装cuda10.0及cudnn7.4.下载pytorch安装文件安装pytorch准备工作安装cuda10.0及cudnn7.4.请参考我这篇文章：Ubuntu16.04安装cuda及cudnn方法下载pytorch安装文件torch官网上可找到各种安装方式，这里选择whl安装，首先在网站上下载对应cuda10.0版本的whl文件。这里我下载的是1.0.1.post2(一个项目指定要用这个版本，:<我也没办法)，又由于

原创 Ubuntu16.04安装cuda及cudnn方法

Ubuntu16.04安装cuda及cudnn方法准备工作安装显卡驱动下载cuda下载cudnn安装cuda安装cudnn准备工作安装显卡驱动具体步骤可以参考我这篇文章Ubuntu 16.04安装nvidia显卡驱动下载cuda我下载的是cuda10.0，在官方网站上找到对应版本下载即可。下载完成之后，得到cuda_10.0.130_410.48_linux.run文件。下载cudnn我下载的是cudnn7.4.2，在官方网站上找到相应版本下载cuDNN Librarary for Lin

原创 Windows10 Anaconda3 下安装pytorch-GPU的方法

Windows10 Anaconda3 下安装pytorch-GPU的方法安装CUDA10.0在anaconda下创建虚拟环境在虚拟环境下安装pytorch1.0.0-gpu更新pip版本更新setuptools安装pytorch1.0.0-gpu安装CUDA10.0win10安装cuda及cudnn请参考我这篇文章：win10安装cuda10.0以及VS2013下的CUDA编程测试在anaconda下创建虚拟环境创建虚拟环境的基本操作请参考我这篇文章：Anaconda虚拟环境相关操作创建一个名字

原创 ImportError: cannot import name 'time_ns'解决办法

原因：time_ns是python3.7版本之后才支持的方法解决办法：安装python3.7或之后的版本anaconda创建名字为python3.7的虚拟环境方法：conda create -n python3.7 python=3.7

原创 Anaconda 安装sktime

sktime相关链接github地址：https://alan-turing-institute.github.io/sktime/sktime官方安装教程：https://alan-turing-institute.github.io/sktime/installation.html建立新的虚拟环境创建一个名为sktime的新的虚拟环境，python版本设置为3.6(最新的sktim...